位于我国西南地区的贵州省由于其复杂的地形地貌和气候条件,地质灾害频发,主要以滑坡灾害为主。近年来,贵州省因滑坡灾害造成的死亡和失踪人数位居全国前列,经济损失巨大,基础设施受到了很大威胁。为了避免和减轻滑坡带来的损失,亟需从源头抓起。因此,本文对贵州省六盘水市、贵阳市、铜仁市等地区进行了地表形变监测和滑坡识别,从而排查出潜在滑坡隐患。本文对于重点关注的滑坡及时进行监测,分析滑坡的活跃状态和运动趋势,对已滑地区分析滑坡的形成机制以及可能导致滑坡发生的原因。该研究解决了山区滑坡点多面广、不易监测的问题,对于区域滑坡治理和防灾减灾有着重要的意义。随着雷达技术的发展,InSAR技术成为行之有效的地表形变观测新技术,且应用范围愈加广泛。近年来,InSAR技术应用于滑坡识别和监测的研究越来越多。但是,基于单一地表形变监测识别滑坡的结果存在一定的不确定性。因此,本文将多种手段联合进行滑坡识别,并对重点滑坡区进行监测。本文主要的工作和成果如下:(1)本文利用SBAS技术对覆盖六盘水市、贵阳市、铜仁市研究区的152景Sentinel-1A雷达卫星影像进行处理。获取了2018年08月06日至2019年08月27日六盘水研究区的地表形变信息、2017年03月27日至2019年06月21日贵阳研究区的地表形变信息、2018年08月08日至2019年06月28日铜仁研究区的地表形变信息,并将形变严重的区域圈定为形变危险区。本文共圈定出102处形变危险区,其中,六盘水研究区43处,贵阳研究区40处,铜仁研究区19处。(2)本文在已圈定的形变危险区的基础上,利用光学遥感影像进行滑坡识别。本文利用贵州省内的典型滑坡区建立光学影像解译识别标志,对形变危险区进行滑坡识别。通过解译和识别,本文共确定滑坡区域16处,同时识别排查出因施工或矿采等其他原因导致的形变区72处,可能存在滑坡的区域14处。(3)对于可能存在滑坡的区域,本文采用了基于NDVI时间序列分析的滑坡识别方法和基于滑坡发育环境要素的滑坡识别方法进行潜在滑坡识别。为了确保潜在滑坡识别的准确性,本文将两种识别方法的结果进行综合判定,最终确定存在潜在滑坡的区域12处,不稳定坡体2处。(4)本文利用InSAR技术对研究区内三处重点滑坡进行了监测。通过SABS技术获取了滑坡区的地表形变速度场,并进行了时间序列形变分析。结果表明,鸡场镇滑坡在灾前形变较小,滑坡的诱因主要是强降雨导致的。余家营滑坡和法那滑坡的形变速率较大,均在-20mm/yr以上,有明显下滑的现象和继续下滑的趋势,今后需要重点关注。